悬赏模式下文本类众包方案过滤研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 研究内容 | 第17-19页 |
| 第二章 相关理论介绍 | 第19-27页 |
| 2.1 众包及众包模式 | 第19-22页 |
| 2.1.1 众包 | 第19-20页 |
| 2.1.2 众包模式 | 第20-22页 |
| 2.2 信息过滤 | 第22-23页 |
| 2.3 过滤的相关算法 | 第23-27页 |
| 2.3.1 源于机器学习的过滤算法 | 第23-24页 |
| 2.3.2 源于信息检索的过滤算法 | 第24-25页 |
| 2.3.3 过滤算法比较分析 | 第25-27页 |
| 第三章 众包文本预处理及无效众包方案界定 | 第27-36页 |
| 3.1 众包文本预处理 | 第27-33页 |
| 3.1.1 文本数据整理 | 第27页 |
| 3.1.2 文本分词 | 第27-28页 |
| 3.1.3 特征提取 | 第28-30页 |
| 3.1.4 文本表示 | 第30-33页 |
| 3.2 无效众包方案界定标准 | 第33-36页 |
| 第四章 众包方案过滤模型构建 | 第36-44页 |
| 4.1 过滤模型的功能框架 | 第36-37页 |
| 4.2 双层过滤器 | 第37-41页 |
| 4.3 过滤模型的性能评估 | 第41-44页 |
| 第五章 实例应用 | 第44-51页 |
| 5.1 数据收集 | 第44-45页 |
| 5.2 数据预处理 | 第45页 |
| 5.3 过滤处理 | 第45-50页 |
| 5.3.1 实例应用一 | 第45-48页 |
| 5.3.2 实例应用二 | 第48-50页 |
| 5.4 过滤结果分析 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 附录1 实例应用一的众包任务文本 | 第59-60页 |
| 附录2 实例应用二的众包任务文本 | 第60-61页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第61-62页 |
